基于上下文语境的微博情感分析

发布时间：2018-03-24 23:15

  本文选题：中文微博　切入点：情感分析　出处：《计算机工程》2017年03期

【摘要】：传统情感分析方法仅考虑单一文本,对长度短小且口语化严重的微博文本情感极性识别率较低。针对上述问题,提出一种结合上下文消息的情感分析方法。将微博情感分析问题看做标签序列学习任务,使用隐马尔可夫支持向量机把微博上下文语境融人微博情感分析问题中。实验结果表明,该方法较之于基于朴素贝叶斯或支持向量机的微博情感分析模型可以更好地分析微博情感极性。
[Abstract]:The traditional affective analysis method only considers a single text and has a low recognition rate of emotional polarity of Weibo text which is short in length and serious in colloquialization. This paper proposes an emotional analysis method combining context messages. Weibo's affective analysis problem is regarded as a tag sequence learning task. Using Hidden Markov support Vector Machine (hmm), Weibo's context context is integrated into the question of Weibo's affective analysis. The experimental results show that, Compared with Weibo's emotion analysis model based on naive Bayes or support vector machine, this method can better analyze the affective polarity of Weibo.
【作者单位】： 安徽工业大学计算机科学与技术学院;
【基金】：国家自然科学基金(61402008,61402009) 安徽高校省级自然科学研究重大项目(KJ2014ZD05) 安徽省科技重大专项(16030901060) 安徽省自然科学基金青年项目(1408085QF128) 安徽省高校优秀青年人才支持计划项目(GGXYQ2014018)
【分类号】：TP391.1

【相似文献】

相关期刊论文 前2条

1 肖遥生;;“遑遑大论”? “皇皇大论”![J];咬文嚼字;2013年12期

2 ;[J];;年期

相关博士学位论文 前1条

1 马红妹;汉英机器翻译中汉语上下文语境的表示与应用研究[D];中国人民解放军国防科学技术大学;2002年

相关硕士学位论文 前4条

1 王恒;基于上下文语境的中文微博情感分析[D];安徽工业大学;2016年

2 侯莹莹;上下文语境与衔接[D];山东师范大学;2005年

3 贾平;上下文语境与学术文本翻译[D];兰州大学;2014年

4 刘煜卿;“特色词”在文艺翻译中的传达[D];苏州大学;2002年

，

本文编号：1660486